CN107392515A - 基于遗传算法的粗细联输送系统库存管理与线路优化方法 - Google Patents
基于遗传算法的粗细联输送系统库存管理与线路优化方法 Download PDFInfo
- Publication number
- CN107392515A CN107392515A CN201710402580.0A CN201710402580A CN107392515A CN 107392515 A CN107392515 A CN 107392515A CN 201710402580 A CN201710402580 A CN 201710402580A CN 107392515 A CN107392515 A CN 107392515A
- Authority
- CN
- China
- Prior art keywords
- genetic algorithm
- induction system
- optimization method
- production
- stock control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于遗传算法的粗细联输送系统库存管理与线路优化方法。步骤为:构造目标函数JSPGA;变量初始化;随机产生初始种群farm;交叉;选择复制;变异;重复交叉、选择复制、变异直到产生最优解。本发明在以订单为驱动力的生产方式下,对设备已经相对成型的纺纱企业,就粗纱、细纱生产和空、满纺纱管链条存储方面以遗传算法进行优化,通过对不同种类纺织品加工顺序和流程的调整,来提高生产效率。
Description
技术领域:
本发明涉及企业生产管理技术领域,特别涉及一种基于遗传算法的粗细联输送系统库存管理与线路优化方法。
背景技术:
遗传算法是模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的,而一个种群则由经过基因编码的一定数目的个体组成。在初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解,在每一代,根据问题中个体的适应度大小选择个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。这个过程将导致种群像自然进化一样,后代种群比前代更适应于环境,末代种群中的最优个体对应作为问题近似的最优解。如何将其应用到纺织企业生产管理中是人们需要解决的问题。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容:
本发明的目的在于提供一种基于遗传算法的粗细联输送系统库存管理与线路优化方法,从而克服上述现有技术中的缺陷。
为实现上述目的,本发明提供了一种基于遗传算法的粗细联输送系统库存管理与线路优化方法,其步骤为:
(1)构造目标函数JSPGA,确定输入、输出变量;
(2)变量初始化,根据所输入的订单矩阵O计算得出染色体X的存储空间;
(3)随机产生初始种群farm,在种群farm中,每一个染色体为随机产生的一组生产调度方案;
(4)交叉:在随机产生的众多生产调度方案中,选择两个父代方案进行交叉,将两个调度方案中的工件和工序相关信息进行交换,然后产生两个新的子代方案;
(5)选择复制:将产生的生产调度方案,以目标函数为标准,两两作比较,将较优的生产调度方案留下来;
(6)变异:通过随机的方法产生新的生产调度方案;
(7)重复(4)到(6),直到适应度函数收敛,产生最优解。
与现有技术相比,本发明具有如下有益效果:
在以订单为驱动力的生产方式下,对设备已经相对成型的纺纱企业,就粗纱、细纱生产和空、满纺纱管链条存储方面以遗传算法进行优化,通过对不同种类纺织品加工顺序和流程的调整,来提高生产效率。
附图说明:
图1是本发明基于遗传算法的粗细联输送系统库存管理与线路优化方法流程示意图;
图2是本发明在实际应用中生成的最优生产计划图。
具体实施方式:
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
如图1所示,基于遗传算法的粗细联输送系统库存管理与线路优化方法,其步骤为:
(1)构造目标函数JSPGA,确定输入、输出变量;
(2)变量初始化,根据所输入的订单矩阵O计算得出染色体X的存储空间;
(3)随机产生初始种群farm,在种群farm中,每一个染色体为随机产生的一组生产调度方案;
(4)交叉:在随机产生的众多生产调度方案中,选择两个父代方案进行交叉,将两个调度方案中的工件和工序相关信息进行交换,然后产生两个新的子代方案;
(5)选择复制:将产生的生产调度方案,以目标函数为标准,两两作比较,将较优的生产调度方案留下来;
(6)变异:通过随机的方法产生新的生产调度方案;
(7)重复(4)到(6),直到适应度函数收敛,产生最优解。
实施例
在企业收到的某个订单当中,有i种纱织品(细纱),将这i种纱织品分为“i批次”进行生产,各种批次的总量为Ni,这里总量定义为细纱机所需要生产的链数。不同批次纺织品依次经过三道工序,先在ni台粗纱机(1、2、...nmax)上加工,然后存入库存待命,在满足生产细纱所需链数时,最后在mi台细纱机(1、2...mmax)上加工完成,起始时不同种类纱的加工顺序需要服从生产计划的安排。调度的目标是最小化最大完工时间。基于以上分析,构建如下数学优化模型:
目标函数:
约束条件:
(1)工序约束:所有纺织品必须经历先纺粗纱,再纺细纱的过程
Ci2m-Ci1n-Pi2m≥0(Xi2m=Xi1n=1)
(2)机器约束:同一机器(Nn或是Mm)上一个加工任务完成之后才能开始另一个加工任务。约束包含三个内容:首先要求同一机器,只有在上一工件加工完成后,才能加工下一个工件。然后,同一机器只有在上一批次所分配任务加工完成后,才能“改台”加工下一批次。最后,机器在调度安排后,不允许出现“空台”现象。
Ci1n-C(i+1)1n-Pi1n≥0或者Ci2m-C(i+1)2m-Pi2m≥0
(Xi1n=X(i+1)1n=1或者Xi2m=X(i+1)2m=1)
(3)完成时间约束:
Ci2m=max{Ci1n,STi2m}+Pi2m+I(k)
然而第i种纱在粗纱机上完成的时间Ci1n满足如下约束:
Ci1n=STi1n+Pi1n
其中,Ci为第i种纱织品的完工时间,STi1n表示第i种纱织品在第n台粗纱机上开始纺纱时间,STi2m表示第i种纱织品在第m台细纱机上开始纺纱时间,Pi1n表示第i种纱织品在第n台粗纱机上的加工时间,Pi2m表示第i种纱织品在第m台细纱机上的加工时间,ci1n表示第i种纱织品在第n台粗纱机上纺纱的完成时间,ci2m表示第i种纱织品在第m台细纱机上纺纱的完成时间。
(4)截止日期约束:test<Tmax
test:表示某一订单的生产时间长度;
Tmax:表示某一订单的截止日期时间长度。
(5)库存约束:粗纱生产成链后运入仓库,仓库存储粗纱链和空管链,总量有限制
I(k)<Imax
(6)供应约束:
I(k)i>nq
I(k)表示k时刻的库存,这里的单位是链(即以运输链的条数来定的);
I(k)i表示库存中在k时刻,能够提供i种类粗纱的数量;
nq表示完成任务还需要的粗纱数量;
(7)加工开始时,所有的纺织材料都已准备就绪;
(8)每种纱织品依次在粗纱机和细纱机上加工,并且仅加工一次。前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (1)
1.一种基于遗传算法的粗细联输送系统库存管理与线路优化方法,其特征在于:其步骤为
(1)构造目标函数JSPGA,确定输入、输出变量;
(2)变量初始化,根据所输入的订单矩阵O计算得出染色体X的存储空间;
(3)随机产生初始种群farm,在种群farm中,每一个染色体为随机产生的一组生产调度方案;
(4)交叉:在随机产生的众多生产调度方案中,选择两个父代方案进行交叉,将两个调度方案中的工件和工序相关信息进行交换,然后产生两个新的子代方案;
(5)选择复制:将产生的生产调度方案,以目标函数为标准,两两作比较,将较优的生产调度方案留下来;
(6)变异:通过随机的方法产生新的生产调度方案;
(7)重复(4)到(6),直到适应度函数收敛,产生最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710402580.0A CN107392515A (zh) | 2017-06-01 | 2017-06-01 | 基于遗传算法的粗细联输送系统库存管理与线路优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710402580.0A CN107392515A (zh) | 2017-06-01 | 2017-06-01 | 基于遗传算法的粗细联输送系统库存管理与线路优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107392515A true CN107392515A (zh) | 2017-11-24 |
Family
ID=60332959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710402580.0A Pending CN107392515A (zh) | 2017-06-01 | 2017-06-01 | 基于遗传算法的粗细联输送系统库存管理与线路优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392515A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665808A (zh) * | 2020-06-16 | 2020-09-15 | 北京经纬纺机新技术有限公司 | 基于遗传算法的生产调度计划优化方法 |
CN112831874A (zh) * | 2021-01-06 | 2021-05-25 | 东华大学 | 基于单锭监测的启发式细纱接头调度方法 |
CN112884284A (zh) * | 2021-01-19 | 2021-06-01 | 广州爱思威科技股份有限公司 | 化合物半导体的生产控制方法、生产系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07282144A (ja) * | 1994-04-12 | 1995-10-27 | Nippon Telegr & Teleph Corp <Ntt> | ジョブショップスケジューリング装置 |
CN103870647A (zh) * | 2014-03-14 | 2014-06-18 | 西安工业大学 | 一种基于遗传算法的作业车间调度建模的方法 |
CN105159242A (zh) * | 2015-07-28 | 2015-12-16 | 昆明理工大学 | 一种纺织面料染色过程的优化调度方法 |
CN106611234A (zh) * | 2016-03-16 | 2017-05-03 | 四川用联信息技术有限公司 | 一种解决作业车间多个订单交付周期存在冲突问题的算法 |
-
2017
- 2017-06-01 CN CN201710402580.0A patent/CN107392515A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07282144A (ja) * | 1994-04-12 | 1995-10-27 | Nippon Telegr & Teleph Corp <Ntt> | ジョブショップスケジューリング装置 |
CN103870647A (zh) * | 2014-03-14 | 2014-06-18 | 西安工业大学 | 一种基于遗传算法的作业车间调度建模的方法 |
CN105159242A (zh) * | 2015-07-28 | 2015-12-16 | 昆明理工大学 | 一种纺织面料染色过程的优化调度方法 |
CN106611234A (zh) * | 2016-03-16 | 2017-05-03 | 四川用联信息技术有限公司 | 一种解决作业车间多个订单交付周期存在冲突问题的算法 |
Non-Patent Citations (2)
Title |
---|
于竟: "基于遗传算法的Job_Shop车间调度问题研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
李征宇,付杨,吕双十: "《人工智能导论》", 31 December 2016, 哈尔滨:哈尔滨工程大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665808A (zh) * | 2020-06-16 | 2020-09-15 | 北京经纬纺机新技术有限公司 | 基于遗传算法的生产调度计划优化方法 |
CN112831874A (zh) * | 2021-01-06 | 2021-05-25 | 东华大学 | 基于单锭监测的启发式细纱接头调度方法 |
CN112831874B (zh) * | 2021-01-06 | 2022-06-28 | 东华大学 | 基于单锭监测的启发式细纱接头调度方法 |
CN112884284A (zh) * | 2021-01-19 | 2021-06-01 | 广州爱思威科技股份有限公司 | 化合物半导体的生产控制方法、生产系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268722B (zh) | 基于多目标进化算法的动态柔性作业车间调度方法 | |
Liu et al. | Solving distributed and flexible job-shop scheduling problems for a real-world fastener manufacturer | |
CN107392515A (zh) | 基于遗传算法的粗细联输送系统库存管理与线路优化方法 | |
CN108665092B (zh) | 一种基于混合萤火虫算法的全流程排产与优化方法 | |
WO2021190921A1 (de) | Computerimplementiertes verfahren für eine produktionsplanung und/oder -steuerung eines produktionssystems und produktionsplanung und/oder-steuerungssystem zur produktionsoptimierung | |
CN114897379A (zh) | 一种基于信息反馈的动态生产计划排程系统及方法 | |
EP4320567A1 (de) | Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem | |
CN113901728B (zh) | 基于迁移遗传算法的电脑第二类装配线平衡优化方法 | |
CN111665808A (zh) | 基于遗传算法的生产调度计划优化方法 | |
WO2021190919A1 (de) | Computerimplementiertes verfahren für eine produktionsplanung und/oder -steuerung eines produktionssystems und produktionsplanung und/oder -steuerungssystem | |
Shafaei et al. | Efficient meta heuristic algorithms to minimize mean flow time in no-wait two stage flow shops with parallel and identical machines | |
CN112947324A (zh) | 纺织生产调度优化方法、系统、储存介质及计算机设备 | |
Chenyang et al. | Improved simulated annealing algorithm for flexible job shop scheduling problems | |
CN116774658A (zh) | 一种物料限制下的柔性作业车间动态调度方法 | |
CN100383914C (zh) | 决定机器派工顺序的方法以及使用该方法的制造系统 | |
Yang et al. | Batch optimization in integrated scheduling of machining and assembly | |
Wang et al. | Discrete Fruit Fly Optimization Algorithm for Disassembly Line Balancing Problems by Considering Human Worker’s Learning Effect | |
Morinaga et al. | Optimization of flexible job-shop scheduling with weighted tardiness and setup-worker load balance in make-to-order manufacturing | |
JP5803318B2 (ja) | 操業ルール作成方法及び生産物流計画作成方法 | |
Rabbani et al. | Sequencing of mixed models on U-shaped assembly lines by considering effective help policies in make-to-order environment | |
Brzęczek et al. | Genetic algorithm modification for production scheduling | |
Tanhaie et al. | Solving product mix problem in multiple constraints environment using goal programming | |
JP4442356B2 (ja) | スケジューリングシステム及びスケジューリング方法 | |
Cai et al. | Lot Splitting and Job Shop Scheduling with Limited Buffer | |
RABBANI et al. | Balancing and sequencing U-shaped mixed model assembly line problem considering setup times between tasks and demand ratio-base in dynamic environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181128 Address after: 100176 Yuncheng Street, Daxing Economic and Technological Development Zone, Beijing Applicant after: BEIJING JINGWEI TEXTILE MACHINERY NEW TECHNOLOGY Co.,Ltd. Address before: Units 1701 and 1702, Building 9, Shenzhen and Hong Kong Metropolitan Plaza, 299 Fangcheng Avenue, Xinwu District, Wuxi City, Jiangsu Province, 214000 Applicant before: JINGWEI RUANXIN TECHNOLOGY WUXI Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171124 |
|
RJ01 | Rejection of invention patent application after publication |